基于MATLAB分析语音信号频域特征概要.doc

语音信号处理 实验报告 实验三 基于 MATLAB 分析语音信号频域特征 所在院系： 工学院 专 业: 电子信息工程 班 级： 电信112 姓 名： 学 号： 指导教师： 汤永清 2014年05月06日 实验三 基于 MATLAB 分析语音信号频域特征 实验目的 信号的傅立叶表示在信号的分析与处理中起着重要的作用。因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分 析和处理问题。另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更深入地说明 信号的各项红物理现象。 由于语音信号是随着时间变化的，通常认为，语音是一个受准周期脉冲或随机噪声源激 励的线性系统的输出。输出频谱是声道系统频率响应与激励源频谱的乘积。声道系统的频率 响应及激励源都是随时间变化的，因此一般标准的傅立叶表示虽然适用于周期及平稳随机信 号的表示，但不能直接用于语音信号。由于语音信号可以认为在短时间内，近似不变，因而 可以采用短时分析法。 本实验要求掌握傅里叶分析原理，会利用已学的知识，编写程序估计短时谱、倒谱，画 出语谱图，并分析实验结果，在此基础上，借助频域分析方法所求得的参数分析语音信号的 基音周期或共振峰。 二、实验原理 短时傅立叶变换 由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为： 其中 w(n-m)是实窗口函数序列，n 表示某一语音信号帧。令 n-m=k，则得到 同样，不同的窗口函数，将得到不同的傅立叶变换式的结果。由上式可见，短时傅立叶变换有两个变量：n 和 ω，所以它既是时序 n 的离散函数，又是角频率 ω 的连续函数。与离 散傅立叶变换逼近傅立叶变换一样，如令 ω=2πk/N，则得离散的短时傅立叶吧如下： 语谱图 水平方向是时间轴，垂直方向是频率轴，图上的灰度条纹代表各个时刻的语音短谱。 语谱图反映了语音信号的动态频率特性，在语音分析中具有重要的实用价值。被成为可视语 言。 语谱图的时间分辨率和频率分辨率是由窗函数的特性决定的。时间分辨率高，可以看出 时间波形的每个周期及共振峰随时间的变化，但频率分辨率低，不足以分辨由于激励所形成 的细微结构，称为宽带语谱图；而窄带语谱图正好与之相反。 宽带语谱图可以获得较高的时间分辨率，反映频谱的快速时变过程；窄带语谱图可以获 得较高的频率分辨率，反映频谱的精细结构。两者相结合，可以提供带两与语音特性相关的 信息。语谱图上因其不同的灰度，形成不同的纹路，称之为“声纹”。声纹因人而异，因此可 以在司法、安全等场合得到应用。 复倒谱和倒谱 在时域上，语音产生模型实际上是一个激励信号与声道冲激响应的卷积。对于浊音，激 励信号可以由周期脉冲序列表示；对于清音，激励信号可以由随机噪声序列表示。声道系统 相当于参数缓慢变化的零极点线性滤波器。这样经过同态处理后，语音信号的复倒谱，激励 信号的复倒谱，声道系统的复倒谱之间满足下面的关系： 由于倒谱对应于复倒谱的偶部，因此倒谱与复倒谱具有同样的特点，很容易知道语音信号的倒谱，激励信号的倒谱以及声道系统的倒谱之间满足下面关系： 浊音信号的倒谱中存在着峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱中则不存在峰值。利用这个特点我们可以进行清浊音的判断，并且可以估计浊音的基音周期。 基因周期估计 浊音信号的倒谱中存在峰值，它的出现位置等于该语音段的基音周期，而清音的倒谱中 则不存在峰值。利用倒谱的这个特点，我们可以进行语音的清浊音判决，并且可以估计浊音 的基音周期。首先计算语音的倒谱，然后在可能出现的基因周期附近寻找峰值。如果倒谱峰 值超过了预先设置的门限，则输入语音判断为浊音，其峰值位置就是基因周期的估计值；反 之，如果没有超出门限的峰值的话，则输入语音为清音。 共振峰估计 对倒谱进行滤波，取出低时间部分进行进行逆特征系统处理，可以得到一个平滑的对数 谱函数，这个对数谱函数显示了输入语音段的共振峰结构，同时谱的峰值对应于共振峰频率。 通过此对数谱进行峰值检测，就可以估计出前几个共振峰的频率和强度。对于浊音的声道特 性，可以采用前三个共振峰来描述；清音不具备共振峰特点。 实验结果 1 短时谱 2 语谱图 3 倒谱和复倒谱 图 3、4 是加矩形窗和汉明窗的倒谱图和复倒谱图,图中横轴的单位是Hz，纵轴的单位 是 dB。 4 基因周期和共振峰估计 四、参考程序 clear a=wavread(beijing.wav); subplot(2,1,1), plot(a); title(original signal);